当前位置：网站首页>小 P 周刊 Vol.10

小 P 周刊 Vol.10

2022-06-26 01:44:00 【SenseParrots】

小 P 为你送上本周值得一看的信息~

有意见、建议与吐槽，欢迎直接给小 P 留言哦~

点击链接即可打开对应网页。

学界前沿

微软在人工智能伦理改革中限制使用面部识别工具

微软正在全面修订其人工智能道德政策，并表示将不再允许其他公司使用其面部识别技术来推断情绪、性别或年龄。

作为其新的 “负责任的人工智能标准” (Responsible AI principles from Microsoft) 的一部分，微软表示打算将“人和他们的目标放在系统设计决策的中心”。该公司表示，这些高层次的原则将为实践带来真正的变化，他们将调整一些功能，同时不再销售另一些功能。

例如，微软的 Azure Face 服务是一种面部识别工具，被 Uber 等公司用作其身份验证过程的一部分。现在，任何想要使用该服务的面部识别功能的公司都需要积极地申请使用，包括那些已经将其内置到产品中的公司，以证明他们符合微软的人工智能道德标准，并证明这些功能有利于最终用户和社会。

微软表示，即使是那些被授予权限的公司也将不再能够使用 Azure Face 的一些更有争议的功能，他们将撤去那些声称可以推断情绪状态和性别或年龄等属性的面部分析技术。

微软并没有完全放弃情感识别——该公司仍将在内部使用它，用于如 Seeing AI 这样的无障碍工具。该工具会用语音向有视觉障碍的用户播报其周围的世界。

同样，微软也限制使用其定制的神经语音技术，该技术允许创建听起来与原始来源几乎相同的合成声音。今年早些时候，微软开始为其合成的声音打上水印，在输出中加入细微的、听不见的波动，这意味着微软可以知道一个录音是用其技术制作的。

DeepMind: 通过规模化解读高准确度的差异化图像分类

差分隐私 (Differential Privacy) 是一种保护用户数据隐私的机制，防止能够接触到机器学习模型的人提取单个训练点的信息。差分隐私随机梯度下降法 (DP-SGD) 是深度学习中最流行的 DP 训练方法，通过在训练中注入噪声来实现这种对于信息的保护。

然而之前的工作发现，DP-SGD 经常导致标准图像分类基准的性能大幅下降。此外，一些作者推测，DP-SGD 在大模型上的表现本来就很差，因为保护隐私所需的噪声准则与模型维度成正比。

DeepMind 团队证明了 DP-SGD 在超参数化模型上的表现要比之前想象的好得多。结合仔细的超参数调整和简单的技术以确保信号传播并提高收敛率，作者团队在 CIFAR-10 上使用 40 层的 Wide-ResNet 在 \((8, 10^{-5})\)-DP 下获得了新的无需额外数据的 SOTA 为 81.4%，比之前的 SOTA 为 71.7% 有所提高。当对预先训练好的 NFNet-F3 进行微调时，在 \((0.5, 8*10^{-7})\)-DP 下，作者团队在 ImageNet 上取得了 83.8% 的最高精确度。此外，作者团队还在 \((8, 8\cdot 10^{-7})\)-DP 下实现了 86.7% 的最高准确率，这仅比目前该任务的非私有 SOTA 低 4.3%。

更多信息请访问 DeepMind 该专题的原始页面。